信息卡

一句话定位

微软云布道团队打造的人气课程第三版：21 节课从生成式 AI 与 LLM 的基本原理一路讲到 RAG、Agent 与微调，每课配短视频、图文教材以及 Python/TypeScript 双语代码示例，是全球公认的 GenAI 应用开发入门首选之一。

趋势解读：为什么火

课程卡位精准——行业最缺的是"会拿 API 构建产品"的标准人才，而这份教材由微软维护，随 Azure 与 Microsoft Foundry 新品持续演进到 Version 3；50 多种语言翻译由 GitHub Action 自动生成、始终同步（含简繁中文），天然覆盖全球初学者。加上 GenAI 求职热度不减，这个老牌仓库每月仍能净增五千余星，属于教科书级的"长青项目"。

核心功能拆解

• Learn / Build 双轨结构：Learn 课讲概念（LLM 原理、模型对比选型、负责任的 AI、Prompt 工程基础与进阶），Build 课动手写应用；
• 双语言代码示例：每个 Build 尽量同时提供 Python 与 TypeScript 两套，兼顾后端与全栈学习者；
• 每课标配四件套：短视频导入、README 教材、配套代码、"Keep Learning"延伸资源链接；
• 多后端适配：作业可在 Azure OpenAI Service、Microsoft Foundry Models（替代将于 2026 年 7 月底退役的 GitHub Models）、OpenAI API，或完全离线的 Foundry Local 上跑通；
• 主题纵深完整：文本生成、聊天应用、Embedding 向量检索、图像生成、低代码、Function Calling、AI UX 设计、安全加固、LLMOps 应用生命周期、RAG 与向量数据库、Hugging Face 开源模型、AI Agent 框架、微调、SLM 小模型直至 Mistral 专题；
• 配套生态：官方 Microsoft Foundry Discord 学习社群、Foundry 开发者论坛，另有 .NET 版姊妹课程与进阶 Code Samples 合集。

架构与技术栈浅析

仓库按章节目录组织（00-course-setup 到第 20+ 章），每章自包含 README 与示例代码；翻译目录 translations/ 由 CO-OP Translator Action 自动产出并与原文保持一致，仓库因此体积巨大——官方专门给出 sparse-checkout 方案跳过译文克隆。虽然语言标签是 Jupyter Notebook，主体其实是 Python/TS 应用工程的渐进式课程，00 章就带你配置环境与管理 API Key，显著降低新手弃坑率。

安装与环境要求

• 任选其一的后端：Azure OpenAI、Microsoft Foundry Models、OpenAI API、Foundry Local（本地离线运行，无需云订阅）；
• 一个用于 fork 仓库的 GitHub 账号；
• 有 Python 或 TypeScript 基础最佳（官方附了零基础补习链接）；
• 推荐稀疏检出以加快克隆：

git clone --filter=blob:none --sparse https://github.com/microsoft/generative-ai-for-beginners.git
cd generative-ai-for-beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

快速上手示例

从 00 课完成环境配置与 Key 申请，01–05 课依次建立 GenAI 世界观并系统练习 Prompt Engineering；第 06 课调用 chat completion 写出第一个文本生成应用，07 课升级为多轮聊天机器人；往后每周推进一课，15 课亲手搭一条 RAG 检索问答管道，17 课接入 Agent 框架完成任务自动化。

进阶使用要点

• 想零成本练习优先选 Foundry Local 跑本地小模型，避开云端计费；
• 各课页尾 Keep Learning 的 aka.ms 合集链接随课程更新补充新工具，值得回访；
• 企业内训可直接采用大纲，注意新版本已把 GitHub Models 入口替换为 Foundry Models；
• 需要更高工程密度时配合 aka.ms/genai-beg-code 示例仓库食用。

典型应用场景

• 高校与训练营直接当教材：21 课正好一学期节奏，作业即作品集雏形；
• 自学者建立第一份 GenAI 作品集（聊天机器人、向量检索问答、文生图站点）；
• 团队术语与安全红线统一培训，重点修读第 03（负责任 AI）与第 13（安全）课；
• .NET 工程师走 dotnet 姊妹课程衔接自家技术栈。

同类生态位对比

比起 Andrew Ng 系列理论更深但更新更慢；相比 OpenAI Cookbook 片段化 cookbook 式样例，本课优势在完整教学动线与多语言视频；国内热门教程《动手学大模型》偏学术科研向，本课则面向产业应用落地，二者互补而非竞争。

资源导航

• 中文版：translations/zh-CN/README.md
• Microsoft Foundry Discord：discord.gg/nTYy5BXMWG
• 进阶代码合集：aka.ms/genai-beg-code